植物乳杆菌发酵动力学及高密度培养研究

作者：赖长龙; 曹余; 杨玉; 李红艳; 范亚苇; 邓泽元^*

来源：食品与发酵工业, 2022, 48(20): 137-144.

DOI：10.13995/j.cnki.11-1802/ts.030356

• 植物乳杆菌
• 人工神经网络
• 遗传算法
• 发酵动力学
• 分批补料

为提高具有益生特性植物乳杆菌的产量，基于发酵动力学模拟，对其培养基组成、发酵条件和补料方式进行了优化。在该研究中，通过建立人工神经网络(artificial neural network, ANN)和遗传算法(genetic algorithm, GA)结合的智能模型对培养基成分进行优化，结果为碳源36.64 g/L(葡萄糖-麦芽糖质量比2∶3)、氮源47.83 g/L(酵母粉-蛋白胨质量比1∶1)、柠檬酸二铵33.27 g/L。发酵动力学采用Logistic和Luedeking-Piret模型，对植物乳杆菌的发酵过程进行拟合，菌体生长、底物消耗和产物生成动力学模型相关系数R~2分别为0.995,0.998,0.993,表明这些模型能够精确的模拟植物乳杆菌的发酵过程。此外，对培养条件和分批补料进行了优化，最佳培养条件为温度35℃,初始pH值5.0,接种量4%。在分批添加中和剂NH_3·H_2O和葡萄糖30 g/L的情况下，菌体产量可达12.64 g/L。

• 单位
  南昌大学食品科学与技术国家重点实验室